TED2009
Nate Silver: Does racism affect how you vote?
Nate Silver: Czy rasa wpływa na głosowanie?
Filmed:
Readability: 4
498,847 views
Nate Silver zna odpowiedź na kontrowersyjne pytanie o roli rasy w polityce: czy kolor skóry Obamy miał wpływ na jego wynik w niektórych miejscach? Mity i statystyka ścierają się w tym przemówieniu, które kończy się niezwykłym pomysłem, jak rozplanowanie urbanistyczne może pomóc tolerancji.
Nate Silver - Statistician
Math whiz and baseball fan Nate Silver was mainly known for predicting outcomes in fantasy ballgames -- until his technique hit a home run calling the outcome of the 2008 election primaries. Full bio
Math whiz and baseball fan Nate Silver was mainly known for predicting outcomes in fantasy ballgames -- until his technique hit a home run calling the outcome of the 2008 election primaries. Full bio
Double-click the English transcript below to play the video.
00:15
I want to talk about the election.
0
0
3000
Chcę pomówić o wyborach.
00:18
For the first time in the United States, a predominantly white group of voters
1
3000
3000
Pierwszy raz w USA grupa białych wyborców
00:21
voted for an African-American candidate for President.
2
6000
3000
wybrała Afro-Amerykanina na Prezydenta.
00:24
And in fact Barack Obama did quite well.
3
9000
2000
Barack Obama wypadł całkiem dobrze.
00:26
He won 375 electoral votes.
4
11000
2000
Zdobył 375 głosów w kolegium wyborczym
00:28
And he won about 70 million popular votes
5
13000
3000
i około 70 milionów zwykłych głosów.
00:31
more than any other presidential candidate --
6
16000
2000
Więcej niż inni kandydaci,
00:33
of any race, of any party -- in history.
7
18000
3000
wszystkich ras i partii w historii.
00:36
If you compare how Obama did against how John Kerry had done four years earlier --
8
21000
4000
Porównując wyniki Obamy i Kerry'ego sprzed 4 lat...
00:40
Democrats really like seeing this transition here,
9
25000
3000
Demokraci lubią tę zmianę,
00:43
where almost every state becomes bluer, becomes more democratic --
10
28000
4000
kiedy stany stają się bardziej niebieskie, demokratyczne...
00:47
even states Obama lost, like out west,
11
32000
2000
Nawet te, gdzie Obama przegrał, jak zachód.
00:49
those states became more blue.
12
34000
2000
Stały się one bardziej niebieskie.
00:51
In the south, in the northeast, almost everywhere
13
36000
3000
Na południu, na północnym-wschodzie
00:54
but with a couple of exceptions here and there.
14
39000
3000
z paroma wyjątkami tu i tam.
00:57
One exception is in Massachusetts.
15
42000
2000
Jednym z wyjątków jest Massachusetts.
00:59
That was John Kerry's home state.
16
44000
2000
Rodzinny stan Johna Kerry'ego.
01:01
No big surprise, Obama couldn't do better than Kerry there.
17
46000
2000
Tam Obama nie miał szans go przebić.
01:03
Or in Arizona, which is John McCain's home,
18
48000
2000
Lub Arizona, gdzie mieszka John McCain.
01:05
Obama didn't have much improvement.
19
50000
2000
Tam też nie wypadł dużo lepiej.
01:07
But there is also this part of the country, kind of in the middle region here.
20
52000
2000
Jest jednak ta część kraju, mniej więcej w centrum:
01:09
This kind of Arkansas, Tennessee, Oklahoma, West Virginia region.
21
54000
4000
Arkansas, Tennessee, Oklahoma, Wirginia Zachodnia.
01:13
Now if you look at '96, Bill Clinton --
22
58000
2000
Jeśli spojrzymy na '96 rok, kiedy Bill Clinton,
01:15
the last Democrat to actually win -- how he did in '96,
23
60000
3000
ostatni prezydent demokratów, wygrał
01:18
you see real big differences in this part of the country right here,
24
63000
3000
zobaczymy ogromną różnicę w tej części kraju:
01:21
the kind of Appalachians, Ozarks, highlands region, as I call it:
25
66000
4000
Appalachy, góry Ozark, generalnie wyżyny.
01:25
20 or 30 point swings
26
70000
2000
Widać 20 lub 30 punktowe wahania w porównaniu
01:27
from how Bill Clinton did in '96 to how Obama did
27
72000
2000
do wyników Clintona z 1996 i Obamy z 2008.
01:29
in 2008.
28
74000
2000
do wyników Clintona z 1996 i Obamy z 2008.
01:31
Yes Bill Clinton was from Arkansas, but these are very, very profound differences.
29
76000
5000
Bill Clinton jest z Arkansas, ale te różnice są znaczące.
01:36
So, when we think about parts of the country like Arkansas, you know.
30
81000
2000
Pomyślmy o miejscach jak Arkansas.
01:38
There is a book written called, "What's the Matter with Kansas?"
31
83000
3000
Jest taka książka: O co chodzi z Kansas?
01:41
But really the question here -- Obama did relatively well in Kansas.
32
86000
3000
Obama poradził sobie dość dobrze w Kansas.
01:44
He lost badly but every Democrat does.
33
89000
2000
Przegrał z kretesem jak każdy Demokrata.
01:46
He lost no worse than most people do.
34
91000
2000
Nie wypadł gorzej niż większość ludzi.
01:48
But yeah, what's the matter with Arkansas?
35
93000
4000
Ale, no właśnie: o co chodzi z Arkansas?
01:52
(Laughter)
36
97000
1000
(Śmiech)
01:53
And when we think of Arkansas we tend to have pretty negative connotations.
37
98000
3000
Arkansas kojarzy się negatywnie.
01:56
We think of a bunch of rednecks, quote, unquote, with guns.
38
101000
3000
Myślimy o uzbrojonej biedocie z południa,
01:59
And we think people like this probably don't want to vote
39
104000
3000
która raczej nie chce głosować na kogoś
02:02
for people who look like this and are named Barack Obama.
40
107000
3000
tak wyglądającego i z takim imieniem.
02:05
We think it's a matter of race. And is this fair?
41
110000
3000
Czy myślenie, że chodzi o rasę jest fair?
02:08
Are we kind of stigmatizing people from Arkansas, and this part of the country?
42
113000
3000
Czy nie piętnujemy ludzi z Arkansas i okolic?
02:11
And the answer is: it is at least partially fair.
43
116000
3000
W pewnym stopniu to uzasadnione.
02:14
We know that race was a factor, and the reason why we know that
44
119000
2000
Wiemy, że rasa miała znaczenie.
02:16
is because we asked those people.
45
121000
2000
Pytaliśmy tych ludzi.
02:18
Actually we didn't ask them, but when they conducted
46
123000
2000
Przeprowadzono sondaż
02:20
exit polls in every state,
47
125000
2000
powyborczy w każdym stanie.
02:22
in 37 states, out of the 50,
48
127000
2000
W 37 z 50 stanów
02:24
they asked a question, that was pretty direct, about race.
49
129000
3000
zadano bezpośrednie pytanie o rasę.
02:27
They asked this question.
50
132000
2000
Brzmiało ono:
02:29
In deciding your vote for President today, was the race
51
134000
2000
Czy w głosowaniu na prezydenta rasa
02:31
of the candidate a factor?
52
136000
2000
miała dla ciebie wpływ na głos?
02:33
We're looking for people that said, "Yes, race was a factor;
53
138000
3000
Szukaliśmy ludzi, którzy odpowiedzieli pozytywnie,
02:36
moreover it was an important factor, in my decision,"
54
141000
2000
Szukaliśmy ludzi, którzy odpowiedzieli pozytywnie,
02:38
and people who voted for John McCain
55
143000
3000
jednocześnie głosujących na McCaina
02:41
as a result of that factor,
56
146000
2000
z tego powodu,
02:43
maybe in combination with other factors, and maybe alone.
57
148000
2000
jako głównego albo pobocznego.
02:45
We're looking for this behavior among white voters
58
150000
3000
Przyjrzeliśmy się białym wyborcom.
02:48
or, really, non-black voters.
59
153000
3000
Przyjrzeliśmy się białym wyborcom.
02:51
So you see big differences in different parts
60
156000
2000
Widać ogromne różnice
02:53
of the country on this question.
61
158000
2000
w różnych częściach kraju.
02:55
In Louisiana, about one in five white voters
62
160000
3000
W Louisianie około 20% białych wyborców
02:58
said, "Yes, one of the big reasons why I voted against Barack Obama
63
163000
3000
odpowiedziało, że głosowali przeciwko Obamie
03:01
is because he was an African-American."
64
166000
2000
bo jest Afro-Amerykaninem.
03:03
If those people had voted for Obama,
65
168000
2000
Gdyby ci ludzie zagłosowali na Obamę,
03:05
even half of them, Obama would have won Louisiana safely.
66
170000
4000
nawet połowa z nich, Obama by tam wygrał.
03:09
Same is true with, I think, all of these states you see on the top of the list.
67
174000
2000
Tak samo jest ze wszystkimi stanami na górze listy.
03:11
Meanwhile, California, New York, we can say, "Oh we're enlightened"
68
176000
4000
Podczas gdy w Kalifornii czy Nowym Jorku
03:15
but you know, certainly a much lower incidence of this
69
180000
2000
widać dużo mniej przypadków,
03:17
admitted, I suppose,
70
182000
2000
przynajmniej jawnego,
03:19
manifestation of racially-based voting.
71
184000
3000
wpływu rasy na głosowanie.
03:22
Here is the same data on a map.
72
187000
2000
Tu te same dane na mapie.
03:24
You kind of see the relationship between
73
189000
2000
Widać relację między bardziej
03:26
the redder states of where more people responded and said,
74
191000
2000
czerwonymi stanami, gdzie więcej ludzi przyznało,
03:28
"Yes, Barack Obama's race was a problem for me."
75
193000
3000
że kolor skóry Obamy był dla nich problemem.
03:31
You see, comparing the map to '96, you see an overlap here.
76
196000
3000
Przy porównaniu tej mapy z rokiem 1996 widać przeskok.
03:34
This really seems to explain
77
199000
2000
To wydaje się wyjaśniać
03:36
why Barack Obama did worse
78
201000
2000
dlaczego Barack Obama zdobył
03:38
in this one part of the country.
79
203000
2000
mniej głosów w tej części kraju.
03:40
So we have to ask why.
80
205000
2000
Dlaczego?
03:42
Is racism predictable in some way?
81
207000
2000
Czy rasizm da się przewidzieć?
03:44
Is there something driving this?
82
209000
2000
Czy jest coś, co go powoduje?
03:46
Is it just about some weird stuff that goes on in Arkansas
83
211000
2000
Czy takie dziwne rzeczy dzieją się tylko
03:48
that we don't understand, and Kentucky?
84
213000
2000
w Arkansas i Kentucky?
03:50
Or are there more systematic factors at work?
85
215000
2000
Czy to wpływ czynników systematycznych?
03:52
And so we can look at a bunch of different variables.
86
217000
2000
Spójrzmy na kilka zmiennych.
03:54
These are things that economists and political scientists look at all the time --
87
219000
3000
Takich, którymi zajmują się ekonomiści i politolodzy:
03:57
things like income, and religion, education.
88
222000
3000
pensja, religia i edukacja.
04:00
Which of these seem to drive
89
225000
2000
Które z nich mogły
04:02
this manifestation of racism
90
227000
2000
wywołać przejawy rasizmu,
04:04
in this big national experiment we had on November 4th?
91
229000
3000
których byliśmy świadkami 4. listopada?
04:07
And there are a couple of these that have
92
232000
2000
Jest kilka takich czynników,
04:09
strong predictive relationships,
93
234000
2000
Jest kilka takich czynników,
04:11
one of which is education,
94
236000
3000
np. edukacja.
04:14
where you see the states with the fewest years of schooling
95
239000
2000
Stany, gdzie ludzie nie zostają długo w szkole
04:16
per adult are in red,
96
241000
2000
są na czerwono,
04:18
and you see this part of the country, the kind of Appalachians region,
97
243000
3000
ta część, Appalachy,
04:21
is less educated. It's just a fact.
98
246000
2000
jest mniej wyedukowana.
04:23
And you see the relationship there
99
248000
2000
Widać tu związek
04:25
with the racially-based voting patterns.
100
250000
3000
z takim schematem głosowania.
04:28
The other variable that's important is
101
253000
2000
Inną ważną zmienną
04:30
the type of neighborhood that you live in.
102
255000
3000
jest okolica w jakiej się żyje.
04:33
States that are more rural --
103
258000
2000
Stany mniej zurbanizowane,
04:35
even to some extent of the states like New Hampshire and Maine --
104
260000
2000
nawet takie jak Maine i New Hampshire,
04:37
they exhibit a little bit of
105
262000
2000
przejawiają czynnik
04:39
this racially-based voting against Barack Obama.
106
264000
3000
rasowy przy głosowaniu przeciw Obamie.
04:42
So it's the combination of these two things: it's education
107
267000
2000
Jest to kombinacja tych dwóch rzeczy:
04:44
and the type of neighbors that you have,
108
269000
2000
edukacji oraz otoczenia,
04:46
which we'll talk about more in a moment.
109
271000
2000
o tym już za moment.
04:48
And the thing about states like Arkansas and Tennessee
110
273000
2000
Stany jak Arkansas i Tennessee łączy to,
04:50
is that they're both very rural,
111
275000
2000
że są mało zurbanizowane
04:52
and they are educationally impoverished.
112
277000
4000
z kulejącą edukacją.
04:56
So yes, racism is predictable.
113
281000
2000
Tak więc, rasizm można przewidzieć.
04:58
These things, among maybe other variables,
114
283000
2000
Właśnie dzięki edukacji i środowisku,
05:00
but these things seem to predict it.
115
285000
2000
pośród innych czynników.
05:02
We're going to drill down a little bit more now,
116
287000
2000
Teraz zagłębimy się
05:04
into something called the General Social Survey.
117
289000
2000
w Narodowy Spis Społeczny.
05:06
This is conducted by the University of Chicago
118
291000
2000
Co roku przeprowadza go
05:08
every other year.
119
293000
2000
Uniwersytet w Chicago.
05:10
And they ask a series of really interesting questions.
120
295000
2000
Zadawane pytania są ciekawe.
05:12
In 2000 they had particularly interesting questions
121
297000
2000
W 2000 była seria pytań
05:14
about racial attitudes.
122
299000
2000
o stosunki rasowe.
05:16
One simple question they asked is,
123
301000
2000
Jednym z zadanych pytań było:
05:18
"Does anyone of the opposite race live in your neighborhood?"
124
303000
4000
"Czy w pobliżu mieszka ktoś innej rasy?"
05:22
We can see in different types of communities that the results are quite different.
125
307000
3000
W zależności od miejsca zamieszkania uzyskano różne wyniki.
05:25
In cites, about 80 percent of people
126
310000
3000
W miastach około 80% pytanych
05:28
have someone whom they consider a neighbor of another race,
127
313000
3000
miało sąsiada innej rasy.
05:31
but in rural communities, only about 30 percent.
128
316000
3000
Jednak, na wsiach było to już tylko 30%.
05:34
Probably because if you live on a farm, you might not have a lot of neighbors, period.
129
319000
3000
Jeśli mieszkasz na farmie to masz tylko kilku sąsiadów.
05:37
But nevertheless, you're not having a lot of interaction with people
130
322000
3000
Nie integrujesz się z dużą ilością ludzi,
05:40
who are unlike you.
131
325000
2000
którzy różnią się od ciebie.
05:42
So what we're going to do now is take the white people in the survey
132
327000
3000
Weźmy białych uczestników tej ankiety
05:45
and split them between those who have black neighbors --
133
330000
3000
i podzielmy ich na mających czarnych sąsiadów,
05:48
or, really, some neighbor of another race --
134
333000
2000
lub sąsiadów innej rasy,
05:50
and people who have only white neighbors.
135
335000
3000
i tych bez takich sąsiadów.
05:53
And we see in some variables
136
338000
2000
W przypadku poglądów politycznych
05:55
in terms of political attitudes, not a lot of difference.
137
340000
2000
nie ma dużej różnicy.
05:57
This was eight years ago, some people were more Republican back then.
138
342000
3000
8 lat temu trochę więcej z nich było Republikanami.
06:00
But you see Democrats versus Republican,
139
345000
2000
Jednak w starciu Demokratów z Republikanami,
06:02
not a big difference based on who your neighbors are.
140
347000
3000
sąsiedztwo nie zmieniało dużo.
06:05
And even some questions about race -- for example
141
350000
2000
Nawet w pytaniach o rasę,
06:07
affirmative action, which is kind of a political question,
142
352000
2000
o akcję afirmacyjną,
06:09
a policy question about race, if you will --
143
354000
2000
takich politycznych,
06:11
not much difference here.
144
356000
2000
w zasadzie nie widać różnic.
06:13
Affirmative action is not very popular frankly, with white voters, period.
145
358000
3000
Akcja afirmacyjna nie jest popularna wśród białych.
06:16
But people with black neighbors and people with mono-racial neighborhoods
146
361000
3000
To czy ma się sąsiada innej rasy
06:19
feel no differently about it really.
147
364000
3000
nie robi żadnej różnicy.
06:22
But if you probe a bit deeper and get a bit more personal if you will,
148
367000
4000
Ale kiedy spytać o coś bardziej osobistego, np:
06:26
"Do you favor a law banning interracial marriage?"
149
371000
2000
"Czy jesteś za zakazem małżeństw mieszanych?"
06:28
There is a big difference.
150
373000
2000
Różnica staje się duża.
06:30
People who don't have neighbors of a different race
151
375000
2000
Ludzie, otoczeni sąsiadami jednego koloru skóry
06:32
are about twice as likely
152
377000
2000
są do dwóch razy bardziej
06:34
to oppose interracial marriage as people who do.
153
379000
3000
przeciwni małżeństwom mieszanym niż inni.
06:37
Just based on who lives in your immediate neighborhood around you.
154
382000
3000
Tutaj widać różnicę zależnie od rasy sąsiadów.
06:40
And likewise they asked, not in 2000, but in the same survey in 1996,
155
385000
4000
Podobną ankietę przeprowadzono w 1996,
06:44
"Would you not vote for a qualified black president?"
156
389000
4000
"Czy głosowałbyś na czarnego kandydata na prezydenta?"
06:48
You see people without neighbors who are African-American who
157
393000
2000
Ludzie, bez sąsiadów Afro-Amerykanów
06:50
were much more likely to say, "That would give me a problem."
158
395000
3000
zazwyczaj odpowiadali negatywnie.
06:53
So it's really not even about urban versus rural.
159
398000
2000
Nie chodzi o miasta czy wsie.
06:55
It's about who you live with.
160
400000
2000
Chodzi o to z kim się mieszka.
06:57
Racism is predictable. And it's predicted by
161
402000
2000
Rasizm da się przewidzieć.
06:59
interaction or lack thereof with people unlike you, people of other races.
162
404000
4000
Chodzi o interakcję z ludźmi innej rasy.
07:03
So if you want to address it,
163
408000
2000
Jeśli chce się mu przeciwdziałać
07:05
the goal is to facilitate interaction with people of other races.
164
410000
3000
trzeba uprościć obcowanie ze sobą ludzi różnych ras.
07:08
I have a couple of very obvious, I suppose,
165
413000
2000
Mam na to kilka pomysłów.
07:10
ideas for maybe how to do that.
166
415000
3000
Mam na to kilka pomysłów.
07:13
I'm a big fan of cities.
167
418000
2000
Jestem wielkim fanem miast.
07:15
Especially if we have cites that are diverse and sustainable,
168
420000
3000
Takich, które są różnorodne i trwałe,
07:18
and can support people of different ethnicities and different income groups.
169
423000
3000
wspierających ludzi o różnym pochodzeniu, biednych i bogatych.
07:21
I think cities facilitate more of the kind of networking,
170
426000
3000
Miasta sprzyjają poznawaniu ludzi
07:24
the kind of casual interaction than you might have on a daily basis.
171
429000
3000
w codziennych sytuacjach.
07:27
But also not everyone wants to live in a city, certainly not a city like New York.
172
432000
3000
Ale nie wszyscy chcą żyć w mieście.
07:30
So we can think more about things like street grids.
173
435000
3000
Pomyślmy więc o układzie ulic.
07:33
This is the neighborhood where I grew up in East Lansing, Michigan.
174
438000
2000
Dorastałem w East Lansing, Michigan.
07:35
It's a traditional Midwestern community, which means you have real grid.
175
440000
3000
Tradycyjne miasto, z podziałem na przecznice.
07:38
You have real neighborhoods and real trees, and real streets you can walk on.
176
443000
3000
Z sąsiadami, drzewami, ulicami, po których można chodzić.
07:41
And you interact a lot with your neighbors --
177
446000
3000
Spotykasz swoich sąsiadów,
07:44
people you like, people you might not know.
178
449000
2000
ludzi, których lubisz, których możesz nie znać.
07:46
And as a result it's a very tolerant community,
179
451000
3000
Rezultatem jest bardzo tolerancyjna społeczność,
07:49
which is different, I think, than something like this,
180
454000
2000
w odróżnieniu od tego,
07:51
which is in Schaumburg, Illinois,
181
456000
2000
co się dzieje w Schaumburg, Illinois.
07:53
where every little set of houses has their own cul-de-sac
182
458000
3000
Każde osiedle domków ma swoją ślepą uliczkę,
07:56
and drive-through Starbucks and stuff like that.
183
461000
2000
restauracje dla zmotoryzowanych itp.
07:58
I think that actually this type of urban design,
184
463000
3000
Ten typ zagospodarowania miast
08:01
which became more prevalent in the 1970s and 1980s --
185
466000
3000
stał się powszechny w latach 70. i 80.
08:04
I think there is a relationship between that and the country becoming
186
469000
3000
Ten schemat łączy się z powstaniem
08:07
more conservative under Ronald Reagan.
187
472000
2000
konserwatywnego państwa, pod rządami Regana.
08:09
But also here is another idea we have --
188
474000
3000
Mamy też inny pomysł:
08:12
is an intercollegiate exchange program
189
477000
2000
program wymiany studentów,
08:14
where you have students going from New York abroad.
190
479000
3000
którzy z NY jadą za granicę.
08:17
But frankly there are enough differences within the country now
191
482000
2000
Ale USA jest wystarczająco różnorodne,
08:19
where maybe you can take a bunch of kids from NYU,
192
484000
3000
można więc grupę dzieciaków z NYU
08:22
have them go study for a semester at the University of Arkansas,
193
487000
2000
wysłać na semestr do Arkansas
08:24
and vice versa. Do it at the high school level.
194
489000
3000
i odwrotnie. Już w szkole średniej.
08:27
Literally there are people who might be in school in Arkansas or Tennessee
195
492000
3000
Są uczniowie z Arkansas czy Tennessee,
08:30
and might never interact in a positive affirmative way
196
495000
3000
którzy nigdy nie mieli pozytywnego kontaktu
08:33
with someone from another part of the country, or of another racial group.
197
498000
4000
z kimś z innej części kraju lub innej grupy rasowej.
08:37
I think part of the education variable we talked about before
198
502000
3000
Myślę, że składową edukacji
08:40
is the networking experience you get when you go to college
199
505000
2000
są stosunki międzyludzkie,
08:42
where you do get a mix of people that you might not interact with otherwise.
200
507000
4000
na studiach spotyka się nowych, innych ludzi.
08:46
But the point is, this is all good news,
201
511000
2000
To wszystko jest wspaniałe.
08:48
because when something is predictable,
202
513000
3000
Bo gdy coś da się przewidzieć,
08:51
it is what I call designable.
203
516000
2000
da się to też opracować.
08:53
You can start thinking about solutions to solving that problem,
204
518000
2000
Można poszukać rozwiązań danego problemu.
08:55
even if the problem is pernicious and as intractable as racism.
205
520000
3000
Nawet jeśli jest on tak kłopotliwy jak rasizm.
08:58
If we understand the root causes of the behavior
206
523000
2000
Gdy zrozumiemy przyczyny
09:00
and where it manifests itself and where it doesn't,
207
525000
2000
i rodzaje zachowań,
09:02
we can start to design solutions to it.
208
527000
3000
możemy opracować rozwiązanie.
09:05
So that's all I have to say. Thank you very much.
209
530000
2000
To wszystko. Dziękuje bardzo.
09:07
(Applause)
210
532000
1000
(Brawa)
ABOUT THE SPEAKER
Nate Silver - StatisticianMath whiz and baseball fan Nate Silver was mainly known for predicting outcomes in fantasy ballgames -- until his technique hit a home run calling the outcome of the 2008 election primaries.
Why you should listen
In the 2008 election season's closing weeks, throngs of wonks and laypeople alike were glued to FiveThirtyEight.com, a habitforming political blog. Red and blue bar charts crowded the scrollbars as the pulse of exit polls crept along the site's latest projections. It seemed almost miraculous: In a year of acute turns of favor, the site's owner and mouthpiece, Nate Silver (who blogged anonymously as "Poblano" until outing himself on May 30, 2008, as a baseball numberhead), managed to predict the winners of every U.S. Senate contest -- and the general Presidential election.
Besides being just-damn-fascinating, Silver's analysis is a decidedly contrarian gauntlet thrown before an unrepentant, spectacle-driven media. The up-and-coming pundit, who cut his teeth forecasting the performance of Major League Baseball players, has a fairly direct explanation of why most projections fail: "Polls are cherry-picked based on their brand name or shock value rather than their track record of accuracy."
Silver's considerable smarts are already helping local campaigns build constituencies and strategize. He is the author of The Signal and the Noise: Why So Many Predictions Fail - but Some Don't.
Nate Silver | Speaker | TED.com